基于小波的GAN指纹检测：使用ResNet50
计算机视觉与模式识别
2025-10-28 v1 人工智能
摘要
识别由生成对抗网络（GANs）生成的图像已成为数字图像取证中的一项重大挑战。本研究提出了一种基于小波的检测方法，该方法使用离散小波变换（DWT）预处理和ResNet50分类层来区分StyleGAN生成的图像与真实图像。应用Haar和Daubechies小波滤波器将输入图像转换为多分辨率表示，然后将其输入ResNet50网络进行分类，利用生成过程留下的细微伪影。此外，将基于小波的模型与在空间数据上训练的相同ResNet50模型进行了比较。经过Haar和Daubechies预处理的模型分别达到了93.8%和95.1%的更高准确率，远高于在空间域中开发的模型（准确率为81.5%）。基于Daubechies的模型优于Haar，表明添加描述性频率模式层可以带来更强的区分能力。这些结果表明，GAN生成的图像具有独特的小波域伪影或“指纹”。所提出的方法说明了小波域分析在检测GAN图像方面的有效性，并强调了进一步发展未来深度伪造检测系统能力的潜力。
引用
@article{arxiv.2510.21822,
title = {Wavelet-based GAN Fingerprint Detection using ResNet50},
author = {Sai Teja Erukude and Suhasnadh Reddy Veluru and Viswa Chaitanya Marella},
journal= {arXiv preprint arXiv:2510.21822},
year = {2025}
}
备注
6 pages; Published in IEEE